Tekoäly yrityksissä: Tekoälyn kustannusten laskeminen

Teckoäly on edennyt teorian ja uutuuden vaiheesta. Monissa organisaatioissa se on nyt osa infrastruktuuria yhdessä perusjärjestelmien kanssa. Monet ihmiset ajattelevat tekoälyä edelleen pääasiassa julkisten LLM:ien ja chatbottien kautta – jotain, mihin voit mennä ja tulla ja heittää, kun olet valmis. Tekoälyn käsittäminen tällä tavoin voi ohittaa laajemman valikoiman malleja ja tekniikoita, jotka voivat parantaa tuloksia tehokkaammin vähemmällä riskillä.

Totuus on, että tekoälyä tulisi arvioida kuin mitä tahansa muuta suurta infrastruktuurisijoitusta – selkeällä näkymällä kustannuksiin, hyötyihin ja operatiivisiin riskeihin alusta alkaen. Sen saattaminen käytettävään tilaan edellyttää panostusta laadukkaisiin dataputkiin, havainnollistamiseen, hallintoon ja ihmisiin, jotka pitävät sitä linjassa toivottujen liiketoimintatuloksien kanssa. Leikataksesi kuljet näissä kohdissa, lasku siirretään yksinkertaisesti tulevaisuuteen korotuksilla.

Kuinka tekoälyn kustannukset todella kasvavat

Ymmärrettävästi tiimit saattavat olettaa, että tekoälyn kustannukset kasvavat suoraan: tee kaksinkertainen työ, maksa kaksinkertaiset rahat. Todellisuudessa ponnistelu, kustannukset ja tulokset voivat liikkua toisistaan riippumatta yllättävillä tavoilla. Kysy tekoälyltä lukemaan pitkä asiakirja kerran, ja se joutuu ottamaan huomioon jokaisen sanan suhteen jokaiseen muuhun sanaan. Useimmissa suosituissa LLM:issä se tarkoittaa, että työ, joka on mukana, ja siten kustannukset, eivät kasva tavalla, jota ihmiset luonnollisesti odottavat – kaksinkertainen syöttö, kaksinkertainen kustannus – vaan kasvavat noin syötön pituuden neliöllä. Tietoisuus periaatteista, kuten tässä, voi vaikuttaa merkittävästi minkä tahansa tekoälykäytön taloudelliseen tulokseen. Jos organisaatio, joka käsittelee suuria määriä tekstiä joka päivä, esimerkiksi sääntelijä, suunnittelee alusta alkaen graafihakujen tai noutoputkien ympärille eikä lähetä koko asiakirjaa mallille, loppukäyttäjän kokemus on edelleen “kysy kysymys, saat vastauksen sekunneissa”, samoin kuin julkisessa chatbotissa. Se pitää tekoälyyn innostuneet johtajat tyytyväisinä välittömällä vuorovaikutuksella, kun taas alla oleva järjestelmä tekee paljon vähemmän tarpeetonta työtä ja lasku on paljon alhaisempi tuloksena.

Kuinka tekoälyn kulut jakautuvat organisaatiossa

Teknologiset valinnat ovat vain osa tarinaa, loput on, kuinka organisaatiot lähestyvät tekoälyä alusta alkaen. Monissa organisaatioissa datakäsittely on insinöörien vastuulla. Sääntöarviot ovat lakien vastuulla. Pilvikulut elävät alustan tai infrastruktuuritiimien kanssa. Mallin valinta, konfiguraatio ja hienosäätö tapahtuvat yleensä muutaman erikoisoperaattorin kanssa. Jokainen ryhmä näkee oman työnsä ja oman budjettirivinsä. Kustannukset näkyvät laskussa täällä, urakkatyössä siellä ja ihmisten ajassa “liiketoimintana” useilla tiimeillä. Kun numerot ovat hajallaan kustannuskeskuksissa, yhden tekoälyhankkeen täysi laskettu kustannus ei välttämättä ole näkyvissä missään yksittäisessä paikassa ja on helppo aliarvioida. Tässä ympäristössä tekoälyn kustannukset voivat kietaista hiljalleen, yksinkertaisesti siksi, että kukaan ei jäljitä koko lukua yhdessä paikassa.

Käytännöllinen lähestymistapa tekoälyn kustannusten hallintaan

Tekoälyä välttäminen ei ole oikea siirto organisaatioille, mutta ei myöskään tekoälyn käsittely yleisnimellä. Hyvä strategia on aina aloittaa toivottavalla tuloksella ja työskennellä taaksepäin. Kaikissa tapauksissa ei tarvita viimeisintä, kalliisti toimivaa, suurta yleispätevää mallia. Monet tehtävät voidaan käsitellä hyvin ymmärretyillä koneoppimismenetelmillä, jotka kuuluvat tekoälyn piiriin ja voivat toimia olemassa olevalla infrastruktuurilla.

Aloita pienillä koepiloteilla, jotka mitoittavat kokonaisomistus- ja käyttökustannuksia, eikä vain mallin käyttöä, mikä tarkoittaa tietysti laskemista, mutta myös integrointityötä, insinöörien aikaa, muutoshallintaa ja sääntötyötä. Tavoitteena on valita pienin ja yksinkertaisin malli, joka tarjoaa hyväksyttyjen tuloksia, eikä oleteta, että “enemmän mallia” tarkoittaa “enemmän hyötyä”.

Tekoäly ei ole yksi asia. Se on tekniikoiden ja työkalujen yhdistelmä, jota voidaan käyttää eri tavoilla. Sen näkeminen tällä tavoin rikkoo mystiikan vaikuttavien tuloksien ympärillä ja sallii yrityksille hyödyntää sen voimaa vastuullisemmin ja tehokkaammin.

Ihmiset, aika ja tekoäly

Jokainen tekoälyn käyttöönotto on käytännössä yhteistyö ihmisten ja ohjelmistojen välillä. Riippumatta siitä, tunnustetaanko sitä virallisesti, se on tapa, jolla työ tehdään. Nykyinen siirtymä kohti enemmän agenteja tekoälyä – työkaluja, jotka voivat ketjuttaa toimintoja, kutsua muita järjestelmiä ja toimia vähemmän ohjauksella – ei muuta sitä, vaan se lisää panosta ihmisten työn prosessin oikein.

Nämä työkalut voivat olla helppoja liioitella. Kun järjestelmä esittää vastauksia sujuvasti ja luottavaisesti, on luonnollista olettaa, että se on yleensä oikein. Jos tällainen työkalu lisätään työnkulkuun ilman kunnollista koulutusta, selkiä rajoja ja järkeviä tarkastuksia, se voi hiljalleen tuottaa virheiden virtaa. Jokainen niistä on löydettävä, ymmärrettävä ja korjattava ihmisen toimesta. Paperilla tekoäly näyttää tehokkaalta, käytännössä on piilevä kustannus ylimääräisessä ihmisaikaa, joka kuluu sen siivousjälkeen. Asiakaslähtöisissä tai säänneltyjen ympäristöissä nämä pienet virheet voivat myös kantaa maineeseen liittyviä kustannuksia. Kuitenkin työkalujen toimintatapa, niiden käyttö, vastuu niiden tuloksista on edelleen organisaation ja päivittäin niiden ihmisten, jotka käyttävät niitä. Se on ymmärrettävä selkeästi, jotta nämä työkalut voisivat olla todella hyödyllisiä.

Parannettu malli on tietoinen kumppanuus: taitavat ihmiset pysyvät selkeästi vastuussa tuloksista, ja tekoälyä käytetään nopeuttamaan osia työstä, jotka sopivat sille, kuten tiivistämistä, luonnostelua, lajittelua, hakua. Vaikka joidenkin tarkastusten ja korjausten edelleen tarve on, hyvin esiteltyjen ja hallitun tekoälyn vaikutus työnkulkuihin voi olla enemmän nopeutta, yhdenmukaisuutta ja kapasiteettia kuin mitä tiimi voisi saavuttaa yksin.

Hallinto tekoälyn budjetin osana

Vaikka tekniset valinnat ovat terveitä ja käyttö on tehokasta, kasvava osa tekoälyn kustannuksista sitoutuu hallintoon eikä raakakomponentteihin. Organisaatioille, jotka toimivat EU:ssa, tekoälylain säätely tekee sen hyvin selväksi. Se ottaa riskipohjaisen näkemyksen tekoälystä, ja se ei ole vain julkisesti näkyvien tuotteiden osalta. Sisäiset järjestelmät, joita käytetään alueilla, kuten palkkaamisessa ja edistämisessä, työntekijöiden hallinnassa ja valvonnassa ja tietyissä turvallisuuteen liittyvissä päätöksenteossa, voivat kuulua sääntelyyn ja tuoda odotuksia riskien hallinnasta, asiakirjoista, lokimerkinnöistä ja ihmisten valvonnasta. Muiden alueiden kehitys on samansuuntainen, vaikka säännöt näyttävät hieman erilaisilta, yleinen suunta on sama: suuret organisaatiot odotetaan tietävän, missä tekoälyä käytetään, mitä se tekee ja miten sitä hallitaan.

Praktinen vaikutus tähän on, että sisäiset tekoälyprojektit voivat nyt tulla omalla hallintotyöllä, joka ei ole vapaaehtoista. Jokainen uusi käyttötapa voi merkitä uuden riskin tai vaikutuksen arvioinnin, enemmän seurantaa ja enemmän kysymyksiä sääntö-, tarkastus- tai riskitiimeiltä. Yhtään näistä ei näy mallin käytön mittareissa, mutta se on todellista ponnistelua, joka on maksettava.

Taas kerran, tämä ei ole syy välttää tekoälyä. Se on muistutus siitä, että tekoälyprosessin käyttökustannus ei ole vain mallin kutsumishinta. Hallinto ja sääntelyodotukset ovat nyt osa kokonaisomistus- ja käyttökustannuksia.

Missä tekoälyn käyttöönotot menevät pieleen

Tunnettu kaava tekoälyprojekteissa on ero esityksen ja sen käyttäytymisen välillä suuressa mittakaavassa. Säädellyssä ympäristössä, kapealla kysymysvalikoimalla ja ystävällisillä tietoilla tulokset voivat näyttää virheettömiltä. On helppo tuolloin olettaa, että järjestelmä on valmis ottamaan haltuunsa koko työn.

Ongelmat alkavat ilmetä myöhemmin, kun järjestelmä on alttiina koko todellisen käytön monimuotoisuudelle ja määrälle: epätavalliset kysymykset, stressaantuneet käyttäjät, epätäydelliset tiedot, sekavat reunatapaukset. Halkeamat, jotka olivat näkymättömiä esityksessä, alkavat näkyä väärin ohjatuina vastauksina, puuttuvina nuansseina, tukipyyntöinä, pidemmän käsittelyajan ja hiljaisena vahinkona luottamukselle. Sisäiset mittarit, kuten “käsitellyt kysymykset” ja “säästetty aika”, saattavat näyttää hyvältä paperilla, mutta loppukäyttäjien kokemus voi kertoa toisenlaisen tarinan.

Suora siirtyminen hienostuneesta esityksestä tai pienestä koepilottiprojektista, jossa menestys säädellyissä olosuhteissa katsotaan osoitukseksi siitä, että järjestelmä on valmis laajemmalle käyttöönotolle, voi olla kalliin maksettava virhe. Todellisissa käyttötilanteissa käyttäjät tuovat sekavat kysymykset, epätäydelliset tiedot ja omat oletuksensa siitä, mitä työkalu voi tehdä. Jos odotuksia ei hallita, ja työnkulkua järjestelmän ympärillä ei suunnitella takaisin- ja eskaloimismahdollisuuksilla, organisaatio maksaa kahdesti: kerran rakentamisesta ja uudelleen ylimääräisestä tuesta, uudelleen työstä, valituksista ja menetetystä luottamuksella. Teknologia saattaa näyttää vaikuttavalta paperilla, mutta ilman pragmaattista lähestymistapaa siitä, miten se kohtaa todellisia ihmisiä ja todellisia prosesseja, sijoituksen tuotto heikkenee nopeasti.

Toinen puoli on, että hyvin suunnitellut järjestelmät, joissa on selkeät rajat ja ihmisten omistajuus sisäänrakennettuna alusta alkaen, voivat tehdä asioita, joita mikään ihmisten tiimi ei voi hallita yksin: skannata valtavia tietomääriä sekunneissa, havaita kuvioita vuosien tietojen yli ja käsitellä rutineja päätöksiä mittakaavassa, joka olisi muuten ulottumattomissa. Se on se, että näiden hyötyjen saavuttamiseksi organisaatioiden on vastattava pyrkimyksiään realistisella näkemyksellä siitä, miten teknologia toimii, kun se on maailmassa.

Loppusanat

Tämä ei ole väittämystä tekoälyä vastaan. Se on väittämystä tekoälyn kohtelemisesta samalla vakavuudella kuin mitä tahansa muuta järjestelmää, joka voi muuttaa olennaisesti, miten liiketoiminta toimii.

Käytettynä hyvin tekoäly auttaa pieniä tiimejä toimimaan suuremmassa mittakaavassa, paljastaa kuvioita, joita olisi vaikea havaita manuaalisesti, ja tekee asiantuntija-arvion meneväksi pidemmälle. Mutta päästäkseen sinne vaaditaan selkeä näkemys siitä, missä tekoälyä käytetään, mitä se maksaa yhteensä ja miten sitä hallitaan. Se vaatii tietoista valintaa malleista ja arkkitehtuureista, panostusta dataan ja havainnollistamiseen sekä prosessien suunnittelua, joissa ihmiset pysyvät kytkettynä.

“Liiku nopeasti ja murre” oli slogan, joka oli kirjoitettu ihmisten tiimeille, jotka työskentelevät ihmisten mittakaavan järjestelmissä: jos jotain rikkoontui, se palautettiin, korjattiin ja jatkettiin. Kun tekoäly on kudottu asiakirjojen, työntekijöiden tai kansalaisten päätöksiin, sama asenne voi tuottaa ongelmia, jotka leviävät nopeammin, iskevät lujemmin ja ovat paljon vaikeampia purkaa. Nopeus on edelleen tärkeää, ja tekoäly voi varmasti auttaa siinä, mutta se on sovitettava selkeään näkemykseen riskeistä, kustannuksista ja vastuusta.

Ei ole mitään tapaa poistaa kustannuksia tai riskejä kokonaan. Mutta on selvä ero organisaatioiden välillä, jotka riippuvat epävirallisten kokeilujen varassa, ja niiden, jotka rakentavat tekoälyä toimintaansa mitattavalla tavalla, linjanäkyvyydellä kustannuksista menestykseen. Organisaatioiden kohtaamien ongelmien ja tuloksien moninaisuuden yli ei ole yhtä tekoälyratkaisua, joka voisi ratkaista ne kaikki. Tehokas tekoälyn käyttö yrityksissä tulisi aina olla erikoistunutta, valvottua ja huolellisesti määriteltyä.